Svečias
Titulinis Mokymai Mokymų medžiaga Metodologiniai paketai Taikomoji regresija
Apie mokymus
Mokomieji duomenys
E. mokymai
TAIKOMOJI REGRESINĖ ANALIZĖ SOCIALINIUOSE TYRIMUOSE
TAIKOMOJI REGRESINĖ ANALIZĖ SOCIALINIUOSE TYRIMUOSE

Pavyzdinis metodologinis mokomasis studijų paketas

TAIKOMOJI REGRESINĖ ANALIZĖ SOCIALINIUOSE TYRIMUOSE

Autorus Prof. habil. dr. Vydas Čekanavičius

Ankstesnis dokumentas Turinys  Literatūros sąrašas Duomenų šaltiniai Sekantis dokumentas

2. TIESINĖ REGRESINĖ ANALIZĖ
2.3. Tiesinė regresinė analizė su STATA
     
2.3.3. Regresijos prielaidų tikrinimas

Dar reikia patikrinti modelio prielaidas:

  • ar liekamosios paklaidos homoskedastiškos,
  • ar liekamosios paklaidos normalios,
  • ar nėra išskirčių,
  • ar regresoriai nėra multikolinearūs.

Norėdami patikrinti, ar tenkinama homoskedastiškumo prielaida, nubraižome liekamųjų paklaidų ir prognozuojamųjų satisfaction reikšmių išsibarstymo grafiką. Tai galima padaryti, tiesiog įvykdžius komandą:

rvfplot

Alternatyviai galima nubraižyti standartizuotųjų liekamųjų paklaidų ir prognozuojamųjų satisfaction reikšmių išsibarstymo grafiką. Tai galima padaryti, paeiliui įvykdžius tris komandas

predict a
predict r1, rstandard
scatter a r1

Gautieji grafikai skiriasi nedaug ir rodo, kad duomenys nėra labai heteroskedastiški, liekanos išsibarsčiusios daugiau mažiau tolygiai (grafikas primena juostelę).

Galima įtarti, kad homoskedastiškumo prielaida tenkinama.  Patikrinsime, ar duomenys tam statistiškai reikšmingai neprieštarauja, taikydami  Breušo – Pagano kriterijų. Nulinė šio kriterijaus hipotezė teigia, kad homoskedastiškumo prielaida galioja. Homoskedastiškiems duomenims p  reikšmė turi būti ne mažesnė už 0,05.  Įvykdome komandą

estat hettest

Gautoji chi kvadrato statistikos reikšmė yra 2,19, o p = 0,1391 ≥ 0,05. Darome išvadą, kad duomenys statistiškai reikšmingai neprieštarauja homoskedastiškumo prielaidai.

 

Norime, atkreipti dėmesį, kad p reikšmės gali būti mažos vien dėl imties didumo. Todėl visada reikia atsižvelgti ir į chi kvadrato statistikos reikšmę (homoskedastiškiems duomenims ji maža) ir į liekamųjų paklaidų grafikus.
Tikrindami liekamųjų paklaidų normalumą, visų pirma nubraižysime standartizuotųjų liekamųjų paklaidų histogramą (ji turėtų būti panaši į normaliąją kreivę) ir kvantilių P-P grafiką (grafiko taškai turi nedaug skirtis nuo tiesės). Standartizuotųjų liekamųjų paklaidų kintamąjį r1 sukūrėme komanda predict r1, rstandard. Paeiliui įvykdome  dvi komandas:

histogram r1, frequency normal
pnorm r1

Matome, kad ir histograma ir kvantilių grafikas rodo liekamųjų paklaidų normalumą. Dabar patikrinsime, ar paklaidų normalumą Šapiro – Vilko testu. Nulinė hipotezė teigia, kad paklaidos normalios. Normalumo prielaida nepatenkinta, jeigu p < 0,05. Įvykdome komandą

swilk r1

Įsitikiname, kad p = 0,268 > 0,05. Todėl galima teigti, kad sprendžiant pagal Šapiro – Vilko  testą, liekamosios paklaidos turi normalųjį skirstinį. Kaip ir tikrinant homogeniškumą, reikia nepamiršti, kad p reikšmės gali būti mažos vien dėl imties didumo. Todėl visada reikia atsižvelgti ir į grafikus nes didelėms imtims jie informatyvesni.
Patikrinsime,  ar duomenyse nebuvo nebuvo išskirčių. Atsižvelgsime į regresorių DFB reikšmes ir į Kuko matą. Sukuriame DFB kiekvienam regresoriui (naujieji kintamieji turės vardus Dftrust_all ir Dfhappy)  ir pasižiūrime jų maksimalias reikšmes:

dfbeta  trust_all happy
summarize DFtrust_all  DFhappy

Išskirtimi laikomas tas duomuo, kuriam DFB > 1. Kadangi maksimalios DFB reikšmės mažesnės už vienetą, tai tokių duomenų imtyje nėra.
Kuko mato reikšmes kiekvienam respondentui sukuriame  (pavadiname naująjį stulpelį Coo) ir pažiūrime maksimalią rekšmę analogiškai:

predict Coo , cooksd
summarize Coo

Įsitikiname, kad ir Kuko mato maksimali reikšmė neviršija vieneto.Darome išvadą, kad duomenyse išskirčių nėra.
Galimą kintamųjų multikolinearumą patikrinsime suradę dispersijos mažėjimo daugiklius VIF. Įvykdome komandą


estat vif

Multikolinearumo problema kyla, jeigu yra VIF > 4. Abiems regresoriams VIF < 1. Todėl darome išvadą, kad kintamųjų multikolinearumo nėra.


 

NAUJIEMS VARTOTOJAMS
NAUJIENOS
Naujienlaiškis

Nr.1  2009 07-11
Nr.2  2009 12-2010 02
Nr.3  2010 03-05
Nr.4  2010 06-08
Nr.5  2010 09-11
Nr.6  2010 12-2011 02
Nr.7 2011 03-05
Nr.8 2011 06-08
 
© KTU Politikos ir viešojo administravimo institutas
Atnaujinta 2015-06-18